Post on 06-Jul-2015
Sistema de Visión Artificial para la Detección y el
Reconocimiento de Señales de Tráfico basado en Redes
Neuronales
• INTEGRANTES:
JAISON CELIS GUERRERO
OSNEIDER CARREÑO HERRERA
GIRO CAMARGO VARGAS
ELECTIVA PROFECIONAL VISION ARTIFICAL
UNIMAG 2012 I• Referencia: Eighth LACCEI Latin American and Caribbean Conference for
Engineering and Technology (LACCEI’2010)“Innovation and Development for the
Americas”, June 1-4, 2010, Arequipa, Perú
En este proyecto se pretende orientar alhombre en su actividad de conducción por medio de visiónartificial. La visión artificial ha venido trabajando enmuchas disciplinas como Biomedicina, Reconocimiento derostros, Reconocimiento de huellas dactilares, etc.Para este proyecto se ha diseñado un sistema de detecciónbasado en redes neuronales y momentos invariantescapaz de adaptarse y entrenarse con ciertas señales detránsito con la meta de asistir al conductor de no cometeruna infracción o en el peor de los casos un accidente, la redneuronal será capaz de reconocer una señal de transitoa cierta distancia para que así el conductor a priori tenga elconocimiento de esta.
INTRODUCCION
MARCO TEÓRICO
• 2.1 SEÑALES DE TRÁNSITO
Las señales de tráfico, son los signos usados en posteso pintadas en la calle ubicadas en el lado decaminos usadas para impartir la informaciónnecesaria a los usuarios que transitan por un caminoo carretera, en especial los conductores de vehículos.Puesto que las diferencias de idioma pueden crearbarreras, las muestras internacionales usan símbolosen lugar de palabras. Se han desarrolladoprincipalmente en Europa y se han adoptado en lamayoría de los países. La convención de Viena sobremuestras del camino y las señales del 8 de noviembrede 1968 define ocho categorías de muestras:
Categorías de muestras:
• A. Señales de peligro
• B. Muestras de la prioridad
• C. Muestras prohibitorias o restrictivas
• D. Muestras obligatorias
• E. Muestras de regla especiales
• F. Información, instalaciones, o muestras del servicio
• G. Dirección, posición, o muestras de la indicación
• H. Paneles adicionales
PRUEBAS DEL SISTEMA
Se ha seguido una metodología basada en iteracionescontroladas. Básicamente, consiste en realizar cuatrofases: inicio, elaboración, construcción y transición. Cadauna de estas fases se subdivide en iteraciones queincluyen los pasos de diseño cumpliendo con el diagramade bloques Transformación, subsegmentación,segmentación y normalización y reconocimiento de lasseñales de tránsito. Es decir, las necesidades yrequerimientos se van refinando y corrigiendo en cadaiteración, y no están completamente definidos desde elprincipio del proyecto. No obstante, cada paso en laiteración tendrá un peso distinto dependiendo de la faseen que se encuentre el proyecto. A continuación sedescribe cada una de las etapas para llevar a cabo elpresente
trabajo.
PRUEBAS DEL SISTEMA
Transformación de la imagen:
Para esta etapa lo que se pretende es convertir las imágenesdigitales en datos que se pueden procesar y comprender. Paraesto se utiliza la herramienta de simulación de MATLAB quetienen en su Toolbox de procesamiento de imágenes, quepermite convertir una imagen en una matriz de datos de RGB(Rojo, verde y azul), aún así es posible convertir en otros formatoscomo por ejemplo el HSI o el HSV que son formatos los cualespermiten separar las características de color de las imágenesseparando la intensidad que puede existir. Este formato esventajoso para la detección de señales de tránsito ya que estaspueden variar su intensidad fácilmente, esto debido a que lasseñales de tránsito en Colombia se encuentran revestidas dematerial reflectivo, esto con el objetivo de poder observar lasimágenes en la oscuridad. El inconveniente de estos formatos deconversión es que ninguno es lineal y los colores de la señalquedan en el mismo rango.
Segmentación de la subimagen:
Después de transformar la imagen, se obtiene la subi
magen que contenga la señal de tránsito para realizar lasegmentación a partir de los bordes característicos de laimagen. Esto se realiza por dos razones: la primera porqueal reducir el tamaño de la imagen las fuentes de ruidotambién se pueden reducir como se observa en la Figura4. Este ruido proviene de varias fuentes, para entre ellos sepueden considerar el color de las placas vehiculares delos carros particulares que se maneja en Colombia,estasson exactamente del mismo color que las señalespreventivas. Lo cual reducirá la efectividad del
sistema propuesto. También taxis y obreros demantenimiento público pueden ser fuentes de ruido.
Transformación de la imagen:
Para esta etapa lo que se pretende es convertir las imágenes digitalesen datos que se pueden procesar y comprender. Para esto se utiliza laherramienta de simulación de MATLAB que tienen en su Toolbox deprocesamiento de imágenes, que permite convertir una imagen en unamatriz de datos de RGB (Rojo, verde y azul), aún así es posibleconvertir en otros formatos como por ejemplo el HSI o el HSV que sonformatos los cuales permiten separar las características de color de lasimágenes separando la intensidad que puede existir. Este formato esventajoso para la detección de señales de tránsito ya que estas puedenvariar su intensidad fácilmente, esto debido a que las señales detránsito en Colombia se encuentran revestidas de material reflectivo,esto con el objetivo de poder observar las imágenes en la oscuridad. Elinconveniente de estos formatos de conversión es que ninguno eslineal y los colores de la señal quedan en el mismo rango.
Segmentación de la subimagen
Después de transformar la imagen, se obtiene lasubimagen que contenga la señal de tránsito para realizarla segmentación a partir de los bordes característicos dela imagen.
Esto se realiza por dos razones: la primera porque al reducirel tamaño de la imagen las fuentes de ruido también sepueden reducir como se observa en la Figura 4. Este ruidoproviene de varias fuentes, para entre ellos se puedenconsiderar el color de las placas vehiculares de los carrosparticulares que se maneja en Colombia, estas sonexactamente del mismo color que las señales preventivas.Lo cual reducirá la efectividad del
sistema propuesto. También taxis y obreros demantenimiento público pueden ser fuentes de ruido.
Segmentación de la subimagen
Segmentación de la señal de tránsito
Después de la segmentación primaria, se realiza una
segunda segmentación de la cual se obtendrán las
características internas de la imagen como lo es la
señal de pare, cruce, etc. Esto se realiza de dos
formas: la primera determinando los rangos RGB o
HSV donde se deben encontrar las señales de
tránsito. La segunda es utilizando redes neuronales
que procesen las entradas RGB
o HSV de tal forma que clasifique solo los colores que
se asemejen bastante a los de las señales de tránsito.
Normalización de la información de la señal de
tránsitoDebido a que la señal de transito puede ser tomada
a distancias diferentes se debe obtener una
dimensión de referencia que permita la comparación
y el análisis con respecto a la imagen de referencia.
Reconocimiento de las señales de tránsito
Por ultimo con la red neuronal entrenada, se obtiene
que señal de tránsito es la que se está observando.
Para entrenar la red neuronal se toman los momentos
invariantes básicos, los momentos invariantes difusos y
los momentos invariantes afines de cada una de las
imágenes de prueba. El tipo de red neuronal
diseñada será de tipo Backpropagation, ya que
reduce el error correlacionándolo con los campos a
clasificar. El número de entradas y salidas serán los
mismos (tres) ya que lo que se busca es segmentar la
imagen dejando solo los colores deseados
RESULTADOSLa idea de esto es el de obtener a partir de prueba y
error que red escogida tiene el mejor rendimiento y
permita obtener la mejor segmentación. Para medir
el rendimiento de cada red neuronal se analiza el
porcentaje de señal de tránsito segmentada
RESULTADOS
RESULTADOS